AP 5 Kosten der elektronischen Langzeitachivierung

Transkript

1 AP 5 Kosten der elektronischen Langzeitachivierung Version Arbeitspaket AP 5 Report R 5 (Version 1.0) Verantwortlicher Partner: Universitätsmedizin Göttingen Abteilung Medizinische Informatik KoLaWiss Kooperative Langzeitarchivierung für Wissenschaftsstandorte 1

2 Projekt: KoLaWiss DFG Förderkennzeichen: GZ: INST 1516/17-1 AOBJ: Laufzeit: März Februar 2009 Dokumentstatus: final Verbreitung: KoLaWiss-intern Endfassung öffentlich Autor: Frank Dickmann 2

3 Inhaltsverzeichnis Inhaltsverzeichnis Einleitung Annahmen zur Abgrenzung der Kostenermittlung Methodik Kostenarten Kostenstruktur Acquisition Ingest Bit-stream Preservation Content Preservation Access Service Level Übergreifende Kennzahlen Kostenverrechnung im LZA-Verbund Finanzierungsmodelle Zusammenfassung und Ausblick Literaturverzeichnis

4 1 Einleitung Im Rahmen von KoLaWiss wird die Langzeitarchivierung wissenschaftlicher Forschungsdaten im Kontext eines kooperativen Verbundes von Langzeitarchivierungsdienstleistern wissenschaftlicher Standorte betrachtet. In diesem Kontext stellen die Kosten einen zentralen Bestandteil zur nachhaltigen Implementierung eines entsprechenden Kooperationsmodells für die Langzeitarchivierung dar. Die Kosten der elektronischen Langzeitarchivierung wissenschaftlicher Forschungsdaten sind von besonderer Bedeutung, da ihre Analyse einen weit in die Zukunft reichenden Zeithorizont umfasst. Dabei immanente Unsicherheitsfaktoren sind die Entwicklung der Kosten für Personal, Dienstleistungen, Hardware und Software sowie insbesondere die technischen Entwicklungspfade. Zur Bearbeitung der Thematik werden in einem ersten Schritt Annahmen zur Abgrenzung der Kostenermittlung gemacht, worauf im Anschluss eine Analyse der Kostenstruktur anhand der Prozesse der Langzeitarchivierung folgt. Aufbauend auf der Kostenstruktur erfolgt eine Ermittlung der standortspezifischen Kosten, die den Kosten privatwirtschaftlicher Dienstleister gegenübergestellt werden. Abschließend werden die Ergebnisse und sich daraus ergebende Förderempfehlungen dargestellt. 2 Annahmen zur Abgrenzung der Kostenermittlung Um die Ermittlung der Kosten inhaltlich klar abzugrenzen, wird eine Reihe von Annahmen den weiteren Arbeiten vorangestellt. Die weiteren Schritte hängen demzufolge von den getroffenen Annahmen ab und beziehen sich auf den Standort Göttingen bezüglich der Kostenanalyse als Referenzstandort. Dabei sollen die Leistungen zur Langzeitarchivierung von Forschungsdaten durch die lokalen IT-Dienstleister bzw. die Hochschulbibliothek erbracht werden. Bezüglich Gebäudeinvestitionen wurde ein Neubau oder eine Anmietung von Gebäuden für die LZA am Standort Göttingen nicht vorgesehen. Es soll daher in erster Linie auf die vorhandenen Ressourcen zurückgegriffen werden. Bei einer standortübergreifenden Implementierung der LZA muss ein finanzieller Leistungsausgleich implementiert werden, da ansonsten die Nachhaltigkeit des Modells gefährdet ist. In Göttingen wird die Digitalisierung von Material durch das bereits lokal etablierte Digitalisierungszentrum abgedeckt. Daher soll im Fall der Notwendigkeit zur Digitalisierung von Forschungsdaten auf diesen Dienstleister zurückgegriffen werden. Es wird jedoch davon ausgegangen, dass Forschungsdaten im Kontext von KoLaWiss i.d.r. bereits in digitaler Form vorliegen, so dass die Digitalisierung als Teilprozess nicht in die weitere Betrachtung einbezogen wird. Die Digitalisierung ist vielmehr Teil des regulären Data Curation-Betriebs im Hinblick auf Publikationen wobei diese immer häufiger bereits in digitaler Form vorliegen. Um die Sinnhaftigkeit und Nachhaltigkeit eines Forschungsdatenarchivs für die Wissenschaft sicherzustellen, wird die Langzeitarchivierung nicht als so genanntes Wegschließarchiv oder Dark Archive verstanden, sondern vielmehr als Werkzeug zur Nachnutzung und aktiven Verwendung bereits erhobener Forschungsdaten in der wissenschaftlichen Praxis. In diesem Zusammenhang wird auch das Ziel der Durchsetzung der guten wissenschaftlichen 4

5 Praxis realisiert, die die Aufbewahrung von Forschungsdaten auf einen Zeitraum von 10 Jahren beinhaltet. Da immer mehr Wissenschaftsstandorte in der Bundesrepublik eine Benutzerverwaltung mittels einer Single-Sign-On-Infrastruktur (SSOI) implementieren, wird das Vorhandensein einer solchen Benutzerverwaltung, insbesondere mit der Möglichkeit zur standortübergreifenden Kooperation vorausgesetzt. Dabei begründen die daraus entstehenden Synergien und das Einsparungspotenzial im Hinblick auf die Effizienz der Nutzerverwaltung den Einsatz dieses Verfahren. Ein wesentlicher Kostenfaktor in der IT ist die Verfügbarkeit von Diensten, wobei Kosten und Verfügbarkeit exponentiell korreliert sind. Aus diesem Grund wird unter dem Begriff der Langzeitarchivierung nicht gleichzeitig das Prinzip der Hochverfügbarkeit verstanden, da ansonsten die Kosten der Langzeitarchivierung nicht finanzierbar wären. Ausfallzeiten, gerade im Zusammenhang mit Wartungsarbeiten, sind somit zwar zu minimieren, der Aufwand dafür sieht z.b. keine redundanten Ersatzsysteme vor. Für die Nutzung von Forschungsdaten ist ein überdimensionierter Aufwand bezüglich Verfügbarkeit grundsätzlich nicht empfehlenswert. Um aber eine entsprechende Akzeptanz zu erhalten, sollte die Nutzung möglichst einfach gestaltet sein. Da auch im wissenschaftlichen Umfeld immer häufiger der Einsatz von Geschäftsmodellen Aufmerksamkeit findet, wird für die Langzeitarchivierung von Forschungsdaten im Sinne des BMBF nicht zwangsläufig eine kommerzielle Ausrichtung angestrebt. Vielmehr soll die Langzeitarchivierung in die Förderpolitik eingebettet werden, um den wissenschaftlichen Nutzern ein standardisiertes Instrument zur Verfügung zu stellen, das in der Beantragung von Forschungsprojekten explizit mit einbezogen werden kann. Daher wird die langfristige Finanzierung durch Mittel aus der Forschungsförderung als ein elementarer Bestandteil des Geschäftsmodells für die Langzeitarchivierung von Forschungsdaten angesehen. Ein solches Vorgehen ist eben dadurch begründet, weil die langjährige Finanzierung einer Archivierungsinfrastruktur, wie etwa in der Universitätsmedizin Göttingen, im Rahmen von HBFG-Anträgen und aus Eigenanteilen bezüglich der Personalausstattung realisiert worden ist. Da das HBFG-Verfahren novelliert wurde, ist eine sinnvolle Finanzierungsalternative, wie in der Annahme beschrieben, notwendig. Die bisherige Erfahrung aus Projekten der Langzeitarchivierung zeigt keine überproportionale Entwicklung in Bezug auf zusätzlichen Speicher, da zusätzlich zu archivierende Datenmengen durch die technische Entwicklung i.d.r. abgefangen werden. 3 Methodik Für die Kostenanalyse wurden verschiedene Kostenarten einbezogen. Auf Basis der verwendeten Kostenarten ist eine Berechnung nach Vollkosten möglich. Zur Ermittlung der Kosten wurde die Kostenstruktur bezüglich Langzeitarchivierungsprozesse anhand von Literatur analysiert und mit den Kostenarten verknüpft. Den in der Kostenstruktur zugeordneten Kostenarten wurden erhobene Kostendaten der lokalen IT-Dienstleister in Göttingen zugewiesen. Zur Ergänzung und Fundierung der Kostenabschätzung wurden weitere Angebote bezüglich Langzeitarchivierung von Forschungsdaten privatwirtschaftlicher Dienstleister eingeholt. 5

6 Um die Personalkosten eindeutig determinieren zu können, ist eine detaillierte Analyse des organisatorischen Aufbaus eines Langzeitarchivierungsstandortes notwendig. Aufgrund des Detailgrads in Arbeitspaket AP6 Organisationsmodell, wurde für die Kostenanalyse eine entsprechende Einschränkung auf die vorhandenen Informationen am Standort Göttingen vorgenommen. Aus den Ergebnissen wurden abschließend die Förderempfehlungen für das Arbeitspaket AP7 abgeleitet. 4 Kostenarten Hierzu zählen nach Art der verbrauchten Produktionsfaktoren die Personalkosten, Investitionskosten, Dienstleistungskosten und Raumkosten. Dabei subsumieren unter den Raumkosten die verrechneten Kosten für Raumnutzung und Reinigung sowie Wasser. Aufgrund ihrer Bedeutung werden die Energiekosten als eigener Kostenblock angesehen und zählen nicht zu den Raumkosten. Bei Betrachtung von Installationen im IT-Umfeld zählen zu den Dienstleistungskosten die Wartungsleistung der IT-Systeme ihm Rahmen ihrer jeweiligen Verträge. Mittels Kosten für Abschreibungen werden die Investitionskosten, über ihre Nutzungsdauer verteilt, da es sich bei den IT-Systemen i.d.r. um langfristige Sachanlagen handelt. Materialkosten wurden nicht mit einbezogen, da es sich bei der Langzeitarchivierung nicht um einen industriellen Produktionsbetrieb mit Warenfertigung handelt. Nach Art der betrieblichen Funktionen wurden zusätzlich die Verwaltungskosten betrachtet. 5 Kostenstruktur Die Kostenstruktur der Langzeitarchivierung wissenschaftlicher Forschungsdaten ergibt sich durch die zentralen Prozesse und deren Subprozesse. Wie bereits in den Annahmen definiert wird der Prozess der Digitalisierung, im Kontext mit dem Projekt LIFE2 der Bereich Creation, ausgeschlossen. Nach dem Projekt LIFE2 ergeben sich folgende Hauptprozesse bzw. Hauptkostenbereiche für die weitere Betrachtung 1 : Acquisition, Ingest, Bit-stream Preservation, Content Preservation und Access 2. L T = Aq T + I T + BP T + CP T + Ac T 5.1 Acquisition Abbildung 1: Kostenbereiche im Projekt LIFE2 3 Der Prozess der Acquisition umfasst die Auswahl von Objekten, die in ein Langzeitarchiv eingelagert werden sollen. Ebenso gehört dazu die Wahrung von Rechten geistigen Eigentums in Bezug auf die archivierten Daten sowie vertragliche Regelungen zwischen dem 1 Bei den Langzeitarchivierungsprozessen wird aufgrund internationaler Verwendung die englische Bezeichnung verwendet. 2 [Ayris, Davies (2008)], S Leicht modifiziert übernommen von [Ayris, Davies (2008)], S

7 Langzeitarchiv und den Nutzern. Des Weiteren findet an dieser Stelle die Bezahlung von kostenpflichtigen Digitalisaten statt, die zur Archivierung ausgewählt wurden. Anschließend erfolgt die Anforderung bzw. Anlieferung der eigentlichen Daten, die in einem Check-In- Prozess gegengeprüft werden, wobei noch keine inhaltliche Prüfung der Objekte durchgeführt wird. Aufgrund notwendiger Prüfung bei der Einhaltung von Rechten geistigen Eigentums und der Gestaltung des Anforderungs- bzw. Anlieferungsprozesses, ist ein hoher Automatisierungsgrad zur Kostenreduktion nicht ohne eine Anpassung an die Bedürfnisse der Langzeitarchivierung von Forschungsdaten zu erreichen. An dieser Stelle werden die Unterschiede zwischen der Langzeitarchivierung für Publikationen und papiergebundene Dokumente (LZA-Bib) und der Langzeitarchivierung bezüglich Forschungsdaten (LZA-F) deutlich: Die LZA-Bib fokussiert in erster Linie auf Digitalisate von Publikationen, Websites etc. während die LZA-F Forschungsdaten unterschiedlichster Ausprägung umfasst. Die LZA-F benötigt keine Auswahl der einzulagernden Daten, da diese durch die Wissenschaftler, aufgrund der notwendigen Bewertungskompetenz, selektiert werden. Aufgrund der nicht relevanten Auswahl einzulagernder Daten bei der LZA-F, ist ein Check-In nicht notwendig. Eine Berücksichtigung der Rechte geistigen Eigentums ist, wie die Rechtsexpertise ergeben hat, für die LZA-F nicht relevant, da die Forschungsdaten an sich noch keine entsprechende höhe geistiger Schöpfungskraft erreichen. Daher ist dieser Prozess ebenso nicht relevant. Daher ist der Prozess Acquisition für die Langzeitarchivierung von Forschungsdaten nicht relevant. Es besteht dabei jedoch die Notwendigkeit, dass die Nutzer zu einer Verwendung des Langzeitarchivs 4 angehalten werden. Hieraus folgt die Förderempfehlung, dass bei der Beantragung von Forschungsprojekten die Nutzung des Langzeitarchivs eine Bedingung für die Forschungsförderung darstellt. Somit reduziert sich die weitere Betrachtung auf folgende Kostenbereiche: L I T = BP CP T + Ac T + T + T Abbildung 2: Relevante Kostenbereiche in KoLaWiss 5 4 Unter dem Langzeitarchiv wird im Sinne von KoLaWiss ein entsprechendes kooperatives Langzeitarchi-vierungssystem wissenschaftlicher Standorte in Göttingen verstanden. 5 Modifiziert übernommen von S. 6. 7

8 5.2 Ingest Der Ingest-Prozess untergliedert sich in die Teilprozesse der Qualitätssicherung, Metadatenpflege, Einlagerung der Objekte in das Langzeitarchiv, Aktualisierung von Objekten im Langzeitarchiv und Referenzierungspflege zum Wiederauffinden von Daten im Langzeitarchiv. Dabei stellt die Qualitätssicherung sicher, dass die angelieferten Daten einem ausreichenden Qualitätslevel genügen. Hierzu zählen z.b. die Prüfung von bereits mitgelieferten Metadaten auf Vollständigkeit bezüglich ihrer Anforderungen und die Prüfung von Daten auf eventuellen Virenbefall. Zudem werden Qualitätsmetadaten zu den überprüften Datenobjekten hinzugefügt. Zur Nachnutzung von besonders hoher Relevanz sind die Metadaten, die im Rahmen des Ingest den Datenobjekten im Langzeitarchiv hinzugefügt werden. Teile der Metadaten können je nach Inhalt automatisch generiert werden. Hierzu zählen insbesondere Informationen zu Dateiformaten und technische Informationen. Metadaten in Bezug auf den Dokumenteninhalt bzw. die Forschungsdateninhalte sind jedoch häufig nicht maschinell erzeugbar, so dass hier der Einsatz des Wissenschaftlers notwendig ist, diese mit den Datenobjekten an das Langzeitarchiv zu liefern. Generell kann hierfür auch qualifiziertes Personal eingesetzt werden, jedoch würde dies zu zusätzlichen Kosten führen. Die eigentliche Einlagerung neuer und aktualisierter Datenobjekte in ein Langzeitarchiv folgt im Anschluss an die Metadatenerstellung. Um dabei die Prozesslaufzeiten niedrig zu halten, ist eine schnelle Netzwerkanbindung notwendig. Diese sollten an den meisten Wissenschaftsstandorten in Deutschland kein Problem darstellen auch nicht im Hinblick auf die Nutzung von extralokalen Speicherressourcen. Damit die Nutzer eingelagerte Daten wiederauffinden können, werden in einem Langzeitarchiv Referenzierungen auf die Datenobjekte gepflegt. Aufgrund der vorhandenen Metadaten kann dies bis auf Qualitätskontrollen vollständig automatisiert werden. Bei der Aktualisierung vorhandener Datenobjekte müssen die Referenzierungen entsprechend angepasst werden. In der Studie von Beagrie wurde eine Abschätzung der Kosten für Acquisition und Ingest auf ca. 42% der Gesamtkosten der Langzeitarchivierung vorgestellt 6. Nach Untersuchung der US National Archives and Records Administration (NARA) im Jahre 2002 hat in den USA der Ingest einen Anteil von 42,5% an den eingesetzten Personalressourcen 7.Der Aufwand für den Ingest ist aufgrund der hohen Personalintensität für den größten Kostenanteil verantwortlich, wobei langfristig die Kosten der Content Preservation und Bit-stream Preservation mehr Einfluss erzielen Bit-stream Preservation Die Bit-stream Preservation stellt die rein physische Speicherung der Datenobjekte in der Langzeitarchivierung bereit. Der zentrale Aspekt ist dabei die Migration von Daten bei Ersatzinvestitionen der verwendeten Speichermedien und/oder technologien 9. Ein 6 Vgl. [Beagrie, Chruszcz (2008)], S Vgl. [Digital Preservation Testbed (2005)], S Vgl. [Björk (2007)], S Vgl. [Ayris, Davies (2008)], S. 25 f. 8

9 eingängiges Beispiel ist die Migration von Bandlaufwerksspeichern von einer veralteten Bandtechnologie auf eine aktuelle Technologie. Hierbei müssen große Datenmengen, aufgrund der geringen Geschwindigkeit der Bandarchive, über einen längeren Zeitraum von dem Altsystem auf das neue System übertragen werden. Da ab der Freigabe zur Nutzung eines neuen LZA-Systems weitere eintreffende Datenobjekte bereits in das neue System gespeichert werden, ist dies für die Migrationstransfers ebenfalls nur eingeschränkt nutzbar, so dass sich die Migration über mehrere Monate verteilen kann. Die Überwachung der Datentransfers wird i.d.r. durch intelligente Software durchgeführt, so dass sich der Personalaufwand durch die Planung, die Überwachung und das Anstoßen sowie das Eingreifen im Fehlerfall determiniert. 10 Grundsätzlich wird der Zyklus der Migrationen durch die verwendeten Speichertechnologien determiniert. Ebenfalls von hoher Bedeutung sind die Sicherheit und die Verfügbarkeit des Langzeitarchivierungsspeichers. Hierzu müssen entsprechende Administrationsaufgaben durch Personal ausgeführt werden. 11 Die Investitionskosten umfassen zum Einen die Initialinvestition und zum Anderen die Ersatzinvestitionen im Zeitverlauf. Im Detail zählen dazu die Kosten für Hard- und Software 12. Da IT-Systeme i.d.r. von den Herstellern inklusive eines entsprechenden Wartungs- und Servicevertrags geliefert werden, sind diese Kosten bereits in den Kosten der Hard- und Softwareanschaffung enthalten. Da die Investitionen gerade bei dem Aufbau eines Langzeitarchivs zu notwendigen hohen Finanzmittelabflüssen führen, ebenso wie bei nachfolgenden Re-Investitionen, liegt der Schluss nahe, dass diese Kosten einen dominierenden Faktor darstellen. Dem widersprechen jedoch Untersuchungen, die den Einfluss der Personalkosten langfristig als den dominierenden Faktor bestimmen 13. Allerdings ist der Speicher nach den Personalkosten der zweitgrößte Kostenfaktor 14. Am Standort Göttingen wird die Bit-stream Preservation durch die Gesellschaft für wissenschaftliche Datenverarbeitung mbh Göttingen (GWDG) bereits im Rahmen des Projekts Kopal 15 ausgeführt. Daher eignet sich die GWDG als Referenz für die Kosten der Bit-stream Preservation unter Betrachtung der aktuellen Installation und Personalkostensätze 16. Die GWDG stellt den Langzeitspeicher in einem hierarchischen Archivsystem mit 1500 TeraByte (TB) in Form von Bandspeicher und 500 TB in Form eines auf Festplatten basierenden Storage Area Networks (SAN) bereit 17. Während der langsame Bandspeicher mit der dreifachen Kapazität Investitionskosten in Höhe von EUR hervorruft, kostet 10 Vgl. [Digital Preservation Testbed (2005)], S Vgl. [Digital Preservation Testbed (2005)], S Vgl. [Digital Preservation Testbed (2005)], S Vgl. [Ashley (1999)] und [Beagrie, Chruszcz (2008)], S. 23 u Vgl. [Ashley (1999)] Die erhobenen Daten beziehen sich auf das Jahr Bandspeicher wird auch als so genannter Nearline Storage bezeichnet, da kein direkter Zugriff auf die gespeicherten Daten besteht. Die Daten werden nach Anfrage an das hierarchisch aufgebaute Archivsystem auf dem SAN dem so genannten Online Storage mit schnellem Zugriff zur Verfügung gestellt. 9

10 das schnelle SAN mit EUR ca. 65 % mehr in seiner Anschaffung. Die Investitionskosten werden bei dem Bandspeicher auf eine Betriebslaufzeit von 7 Jahren und bei dem SAN auf eine Laufzeit von 5 Jahren hin abgeschrieben. Hinzu kommen die Kosten für die laufende Wartung mit je einer wissenschaftlichen und einer technischen Personalkraft für das SAN und je einer halben wissenschaftlichen und einer halben technischen Personalkraft für das Bandarchiv. Nach Vollkosten werden für eine wissenschaftliche Personalkraft 95 EUR und für einen Techniker 63 EUR kalkuliert. Für das SAN fallen jährlich zusätzlich EUR für die Lizenz der verwendeten Software an. Die Infrastrukturkosten belaufen sich jährlich auf 21805,98 EUR für das SAN und auf 12252,81 EUR für das Bandarchiv. Infrastrukturkosten schließen hierbei die Kosten für Raum, Energie, Kühlung und eine darauf bezogene Gemeinkostenpauschale von 10 % mit ein. Die kalkulatorischen Energiekosten inklusive Kühlung belaufen sich auf 121,67 EUR pro KW pro Monat, die Raummiete kostet 11,94 EUR pro Quadratmeter pro Monat und Wasser 6,67 EUR pro KW pro Monat. Zur Vereinfachung wurden die Werte kaufmännisch gerundet. Das verwendete SAN-System belegt 4 qm und verbraucht 12,5 KW pro Monat. Das Archivsystem belegt 24 qm und verbraucht 5 KW pro Monat. Der personelle Aufwand für die Migration wird mit 0,2 FTE eines Technikers und 0,1 FTE einer wissenschaftlichen Personalkraft anhand von Erfahrungswerten der GWDG für die Migration von 1000 TB an Daten kalkuliert. Für die Berechnung der Personalkosten wurden 1361 durchschnittliche Arbeitsstunden pro Jahr angesetzt. Dabei wurden Urlaubs- und Krankheitstage bereits mit berücksichtigt. Nach Hochrechnung auf die Kapazität von 1500 TB ergeben sich daher ,95 EUR als Gesamtkosten für die Migration, woraus sich jährliche Personalkosten in Höhe von 6.795,28 EUR ergeben. Aus den erhobenen Werten errechnet sich ein Preis von 1,05 EUR für ein Datenvolumen von 1 GB bei Verwendung des SAN und von 0,16 EUR bei Verwendung des Bandarchivs. Im Durchschnitt kostet 1 GB bei der GWDG somit 0,39 EUR. 10

11 Bereich Komponente Kosten t /j Online Storage (SAN) Nearline Storage (Tape) Bit-stream Preservation Action Kap. (TB) Hardware , , Software , ,00 Personal , ,00 Infrastruktur , ,98 Gesamt ,98 ( /G) / j Anteil (%) 1,08 68,23% HW+SW , , Personal , ,00 Infrastruktur , ,81 Gesamt ,81 0,17 31,24% Migration (Personal) , , ,006 0,85% Gesamtkosten ,07 0,40 100,00% Tabelle 1: GWDG - Kostenkalkulation der bit-stream Preservation 18. Wie in Tabelle 1 dargestellt, sind die Kosten für die Migrationsprozesse im Verhältnis zu den Gesamtkosten als eher vernachlässigbar anzusehen. Dies gilt jedoch nur bei gleichbleibenden Verhältnissen, die bei stark wachsenden Datenmengen in einem Langzeitarchivierungsverbund für Forschungsdaten bereits mittelfristig nicht haltbar sein werden. Für die Langzeitbetrachtung ist es notwendig, die Preisentwicklung der technischen Basis bezüglich Hard- und Software einzubeziehen. Erfahrungen der GWDG haben gezeigt, dass sich die Datenspeichergröße bei gleichen Kosten im Bereich SAN alle zwei Jahre und im Bereich der Bandspeicher alle drei Jahre verdoppelt. Der Grund dafür ist die technische Entwicklung 19. Berücksichtigt man diese Entwicklung tendieren die Kosten pro GB, als Basiseinheit für den Vergleich, bei unendlicher Betrachtung gegen Null. Bereits nach 15 Jahren erreichen die Kosten für die Hard- und Software pro GB das sehr geringe Niveau von weniger als 0,01 EUR. Gleiches gilt auch für die Personalkosten, die nach 18 Jahren weniger als 0,01 EUR pro GB erreichen. Für die Berechnung dieses Kostenverhaltens wurden eine durchschnittliche Preissteigungsrate von 2 % und eine durchschnittliche Rate der Arbeitsplatzkostensteigerung von 1,5 % angenommen 20. In diese Berechnung geht jedoch nicht der wachsende Bedarf an Speicherplatz im Bereich der Forschungsdaten ein. Dieser Bedarf wird in den kommenden Jahren voraussichtlich exponentielle Steigungsraten 18 Die hier dargestellten Investitionskosten wurden zur öffentlichen Verwendung leicht modifiziert und stellen nicht die exakten Zahlen der GWDG dar. Die exakten Zahlen können bei Bedarf bei der GWDG angefragt werden. 19 Nach Kryder s Law, wobei sich die Festplattenkapazität für einen bestimmten Preis alle ca. 12 Monate verdoppelt. Vgl Beide Prozentwerte entsprechen industriellen Kalkulationsfaktoren. 11

12 aufweisen, so dass die Einsparungseffekte durch die technische Entwicklung mehr als überkompensiert werden 21. Ausgehend von einem Speicherangebot von 1500 TB Bandarchiv und 500 TB SAN sowie auf Basis einer sich jährlich verdoppelnden Datenmenge, die in einem Langzeitarchivierungsverbund gespeichert werden würde, ergibt sich nach den vorliegenden Kalkulationen ein Kostenvolumen von ,32 EUR. Dabei wurden die Zeiträume bezüglich der Verdoppelung der Speichermenge bei gleichen Kosten auf Basis der GWDG angenommen. Nach 10 Jahren kumulieren sich die Kosten auf ,24 EUR. Diese Kosten decken dabei ausschließlich den Bereich der Bit-stream Preservation ab. Des Weiteren wurde von einer linearen Entwicklung des Personalaufwands zu der bereitgestellten Speichermenge ausgegangen. Zum Vergleich der Kostenermittlung wurde Kontakt mit einem der weltweit größten IT- Anbieter aufgenommen und um ein auf den gleichen Speicherbedarfen basierendes Angebot gebeten. Es wurde dabei um ein Angebot gebeten, welches die Bit-stream Preservation an den Anbieter auslagert. Hierbei hat sich herausgestellt, dass die jährliche Verdoppelung die möglichen Kapazitäten des Anbieters aktuell übersteigt, so dass ein Angebot welches über mehr als 6 Jahre hinaus geht, mehr Zeit erfordert. Ferner wurden die Entwicklungsabteilungen des Anbieters eingeschaltet, um auch die technische Realisierbarkeit sicherzustellen. Eine finale Aussage hierzu soll seitens eines Angebots des Anbieters nachgereicht werden, wobei die Abstimmungen im Mai 2009 nicht abgeschlossen werden konnten. Es ist dabei darauf hinzuweisen, dass die technische Realisierung des Anbieters zudem die Möglichkeit des Betriebs einer Redundanzinstallation vorsieht, wobei die Kosten für die den weiteren Standort nicht in die Kalkulation einfließen. Zwei weitere Angebote seitens größerer Anbieter von Archivierungslösungen liegen zwar vor, sind aber mangels inhaltlicher Transparenz nicht weiter berücksichtigt worden. Der Hauptkritikpunkt hierbei liegt darin, dass ein Angebot ohne weitere Rückfragen bezüglich inhaltlicher Anforderungen abgegeben wurden. Das zweite Angebot stellte sich letztlich als medizinspezifisch heraus. Ein weiterer Bestandteil für die Kosten des Access stellt die notwendige Netzwerkinfrastruktur dar. Am Göttinger Standort sind zusätzliche Investitionen vernachlässigbar, da bereits Datensicherungen wissenschaftlicher Institutionen bei der GWDG erfolgen, diese Datenströme würden dann vom Backup in Richtung des Langzeitarchivsystems fließen. Für wissenschaftliche Standorte wird in einem standortübergreifenden Verbund das X-Win eingesetzt. Mehrkosten entstehen bei Eingruppierung in eine höhere Bandbreitenklasse 22, wobei pro Sprung von 1,5 Gbit/s zu veranschlagen sind. Da höhere Bedarfe vielmehr im Bereich der Videoübertragung zu sehen sind, sind Mehrkosten durch die Langzeitarchivierung hier eher zu vernachlässigen. 21 Wie bereits zu Tabelle 1 kommentiert. 22 In Göttingen sind aktuell 5 Gbit/s verfügbar, geplant sind 10 Gbit/s. 12

13 5.4 Content Preservation Auf der Grundlage der Bit-stream Preservation werden die Datenobjekte im Rahmen der Content Preservation so erhalten, dass sie auch für die Nachnutzung zu einem späteren Zeitpunkt inhaltlich interpretierbar zur Verfügung stehen. Dies bedeutet, dass die Lebenszyklen der Datenformate in einem Langzeitarchiv durch Personal aktiv überwacht werden und bei Bedarf eine Formatmigration durchgeführt wird 23. Die Formatmigration ist im Gegensatz zur Bit-stream Preservation wesentlich fehleranfälliger und bedarf daher einer intensiven Qualitätskontrolle, die wiederum durch Personal wahrgenommen wird. Da umfangreiche Formatmigrationen im Rahmen von Langzeitarchivierungsprojekten in Deutschland bisher nicht stattgefunden haben, kann hierzu keine präzise Aussage bezüglich des Aufwandes gemacht werden. Außerdem kann je nach Format der Aufwand variieren. Es ist jedoch davon auszugehen, dass der Aufwand für Content Preservation mit der Anzahl der Datenformate positiv korreliert ist. Von besonderer Bedeutung ist der Einfluss der Formatvielfalt auf die Kosten der Langzeitarchivierung, da die häufigsten Datenformate nur einen geringen Teil der Kosten verursachen und es vielmehr die seltenen Formate sind, deren Pflege hohe Kosten hervorruft 24. Somit ist die Anzahl der zulässigen Formate eines Langzeitarchivs ein Kostentreiber der Langzeitarchivierung. Hieraus lässt sich die Notwendigkeit ableiten, die Anzahl der zulässigen Datenformate aus Kostengründen sinnvoll einzuschränken. Ebenfalls sehr personalintensiv ist der Teilprozess des Re-Ingest, bei dem die migrierten Daten erneut einer Qualitätsprüfung unterzogen und die Metadaten angepasst werden. In diesem Zusammenhang müssen auch die Referenzierungen im Langzeitarchiv für den Zugriff auf die Daten aktualisiert werden. Da nicht alle Daten aus unterschiedlichsten Gründen dauerhaft in einem Langzeitarchiv verbleiben, muss anhand von definierten Kriterien entschieden werden, welche Daten nach einer bestimmten Zeit wieder gelöscht werden. Beispielsweise entscheiden Service Level 25 mit definierten Aufbewahrungsdauern über die Speicherfristen. Nach Beagrie machen die Bit-stream Preservation und die Content Preservation zusammen ca. 23% der Gesamtkosten der Langzeitarchivierung aus, wobei die gestellten Anforderungen an die Preservation Prozesse einen entscheidenden Faktor darstellen 26. Dabei haben die Personalkosten aufgrund der Personalintensität den höchsten Anteil an den Preservation Prozessen. Ohne eine entsprechende Referenzimplementierung können hierzu jedoch keine präzisen Aussagen getroffen werden. 5.5 Access Mit dem Access wird dem Nutzer eines Langzeitarchivs der Zugang zur Einlagerung und Nachnutzung von Daten zur Verfügung gestellt. Aus Sicherheitsgründen muss der Zugang mittels einer Zugriffskontrolle geregelt werden. Des Weiteren benötigen Nutzer entsprechende Unterstützung bei der Verwendung des Langzeitarchivierungssystems. Für 23 Vgl. [Rosenthal, Robertson (2005)], S Vgl. [Björk (2007)], S. 15 u Siehe S Vgl. [Beagrie, Chruszcz (2008)], S. 5 u

14 Betreiber eines Langzeitarchivierungssystems sind die Personalkosten für den Support von besonderem Interesse, da dieser Personaleinsatz erfordert. Am Göttinger Standort stellt die GWDG einen Support für die Nutzung des Langzeitarchivierungssystems im Rahmen allgemeinen Unterstützungsangebots zur Verfügung, so dass eine trennscharfe Abgrenzung der Kosten für die einzelnen Support- Bereiche nicht einwandfrei durchgeführt werden kann. Hinzu kommt, dass die bisherige Unterstützung für das Langzeitarchivierungsangebot nicht den Umfang der Nutzerbasis besitzt, wie in KoLaWiss angedacht. Aus diesem Grund wurde der Support-Aufwand für den -Zugang, ein System mit möglichst vergleichbarer Nutzerbasis und technischem Schwierigkeitsgrad für den Nutzer, untersucht. Die GWDG betreut insgesamt ca Konten, wobei pro Monat 300 Anfragen am 1st-Level Helpdesk und 200 Anfragen am 2nd-Level Helpdesk eingehen. Zur Bearbeitung der Anfragen wird am 1st-Level Helpdesk 1 FTE einer technischen Personalkraft eingesetzt. Die Bearbeitung der Anfragen am 2nd-Level Helpdesk nimmt 0,25 FTE einer wissenschaftlichen Personalkraft und 0,5 FTE eines Technikers. Der 1st-Level Helpdesk ist an 354 Arbeitstagen im Mittel 13,71 Stunden und der 2nd-Level Helpdesk an 254 Werktagen 6,4 Stunden verfügbar. Idealerweise kann die Support-Leistung durch die bereits vorhandenen Arbeitskräfte abgedeckt werden und für eine rein standortbezogene Lösung ist dies auch realisierbar. Jedoch sind in einem Langzeitarchivierungsverbund weitaus mehr Nutzer und damit auch ein höheres Anfrageaufkommen zu erwarten. Daher wird davon ausgegangen, dass Leistungen im Rahmen des Access durch zusätzliches Personal abgedeckt werden müssen. Servicezeit (2 nd Level) Erreichbarkeitszeit (1 st Level) Betriebszeit Montag - Donnerstag 09:00 16:00 07:00 23:00 0:00 24:00 Freitag 09:00 13:00 07:00 23:00 0:00 24:00 Samstag + Sonntag - 10:00 18:00 0:00 24:00 Feiertage - - 0:00 24:00 Tabelle 2: Verfügbarkeitszeiten des GWDG-Support. Support Stunden (t) Mitarbeiter Kosten (t) Kosten (j) LZA-Kosten (j) 1st Level 13, , , ,00 2nd Level 6,4 0,5 201, , ,40 (techn.) 2nd Level 6,4 0,25 152, , ,00 (wiss.) Gesamt ,40 Tabelle 3: Kalkulation der Access-Kosten pro Jahr 27. Die Universität Göttingen hat inklusive des Medizinbereichs wissenschaftliche Angestellte 28. Es wird davon ausgegangen, dass für die Nachnutzung jeder wissenschaftliche Angestellte Zugang zu Langzeitarchivierungsdaten benötigt. Für die Einlagerung soll i.d.r. für jedes Projekt ein wissenschaftlicher Mitarbeiter verantwortlich sein. 27 t = Tag, j = Jahr. 28 Zahlen aus dem Jahr Quelle: 14

15 Im Sinne des Angebots eines standortübergreifenden Langzeitarchivierungsverbundes multipliziert sich dementsprechend die Anzahl der zu betreuenden Nutzer. Daher ist der Vergleich mit dem -Angebot der GWDG bezüglich des Umfangs sinnvoll. Nach Beagrie hat der Access einen Anteil von ca. 35 % an den Gesamtkosten der Langzeitarchivierung 29. Der Umfang der Nutzerzahl hat einen entscheidenden Einfluss auf die Kosten des Access und stellt damit einen Kostentreiber dar, wobei der Erfahrungsgrad der Nutzer in Bezug auf die Verwendung des Langzeitarchivierungssystems eine entscheidende Rolle spielt. Daher ist es zur Kostenreduktion sinnvoll, Schulungen für Key- User aus den beteiligten wissenschaftlichen Institutionen anzubieten. 6 Service Level Für die Nutzung eines Langzeitarchivierungssystems ist die Definition von Service Level notwendig. Service Level definieren dabei die Speicherdauer für Datenobjekte, die Verfügbarkeitsanforderungen, die Sicherheitsanforderungen und in einem Langzeitarchivierungsverbund mögliche Speicherungsredundanzen. Da nicht alle Forschungsdaten permanent in einem Langzeitarchiv aufbewahrt werden sollen, z. B. weil nachträglich Fehler in der Datenerhebung festgestellt wurden oder eine Speicherung über die Anforderungen an die gute wissenschaftliche Praxis nicht erforderlich ist, ist es notwendig, Service Level bezüglich der gewünschten Aufbewahrungsdauer festzulegen. Folgende Service Level sind für die Aufbewahrungsdauer identifiziert worden: 1 bis 10 Jahre: Backup Jahre: Gute wissenschaftliche Praxis Jahre: Rechtssicherheit im Standardfall 32 Mehr als 30 Jahre: Langzeitarchivierung Entsprechend der höheren Kosten für schnellen SAN-Speicher 33 sind höhere Verrechnungssätze für Verfügbarkeitsanforderungen mit schnellem Zugriff anzusetzen und niedrigere Verrechnungssätze für Verfügbarkeitsanforderungen mit möglichen Wartezeiten beim Zugriff 34. Für besondere Anforderungen ist ein Mix aus beiden Varianten sinnvoll, so dass dafür ein an der Verteilung gewichteter Verrechnungssatz verwendet werden kann. 29 Vgl. [Beagrie, Chruszcz (2008)], S Die Vorteile der Verwendung des Langzeitarchivs auch für Datensicherungszwecke liegen in der allgemeinen Datenverfügbarkeit und dem standardisierten Vorgehen. 31 Nach Vorgabe der DFG. 32 Im Rahmen der Röntgenverordnung werden Aufbewahrungszeiten von 30 Jahren vorgeschrieben. Im Bereich der Atomforschung bestehen z. T. Aufbewahrungspflichten von 100 Jahren. Hier muss im Einzelfall entschieden werden, ob das Forschungsdatenarchiv für die Rechtssicherheit eingesetzt werden. 33 Siehe S Die Wartezeiten determinieren sich letztendlich aufgrund der Antwortzeiten bzw. Datenbereitstellungszeiten der Bandarchivsysteme. 15

16 In erster Linie ist ein unterschiedlicher Service Level bezüglich der Sicherheit für medizinische Forschungsdaten notwendig. Hier existieren mit Anonymisierungs- und Pseudonymisierungslösungen bereits Realisierungsmöglichkeiten, um die identifizierenden Daten 35 von den medizinischen Daten zu trennen. Da dabei eine räumliche und organisatorische Trennung erfolgen muss, ist ein notwendiger Mehraufwand für diesen Service Level einzuplanen, der zu höheren Verrechnungssätzen für diesen Service Level führt. Redundanzen in einem Langzeitarchiv rufen Kosten an all den Standorten hervor, an denen Kopien der eingelagerten Daten gespeichert werden. Bei einfacher Redundanz fallen dementsprechend Kosten in doppelter Höhe an. Für alle Service Level sind die Verrechnungssätze in jährlichen Abständen an die jeweilig aktuelle Kostenlage anzupassen, um die nachhaltige Finanzierung des Langzeitarchivierungsverbundes sicherzustellen. 7 Übergreifende Kennzahlen Die übergreifenden Kennzahlen sollen der Kostensteuerung der LZA wissenschaftlicher Standorte dienen. Dabei können diese Kennzahlen für ein Benchmarking der Standorte untereinander verwendet werden. Die Kosteneffizienz der einzelnen Standorte im Vergleich ist damit bewertbar. Kosten der LZA einer Speichereinheit pro Jahr ( /Jahr) Kosten der LZA eines Digitalen Objekts pro Jahr (auf Basis eines durchschnittlich großen Dokuments je Format-Kategorie)( /Jahr) Stundensätze der Personalkosten [Techniker, Wissenschaftler, Verwaltungsangestellte] ( /Std) 8 Kostenverrechnung im LZA-Verbund In einem Langzeitarchivierungsverbund mit der Möglichkeit der redundanten Speicherung an verschiedenen Standorten ist es unbedingt notwendig, Verrechnungspreise zwischen den einzelnen Standorten zu definieren. Hieraus können die Kosten, die für die Langzeitarchivierung anfallen übergreifend akkumuliert werden und im Idealfall dann aus Mitteln der Forschungsförderung bzw. der wissenschaftlichen Institutionen bezahlt werden. Derartige Verrechnungspreise müssen der Kostenentwicklung in zeitlichen Intervallen immer wieder angepasst werden. Hierzu bieten sich beispielsweise jährliche Zyklen an. Dies sichert auf der einen Seite die Kostendeckung der Anbieter und stellt auf der anderen Seite eine gewisse Kostensicherheit über ein Jahr für die Nutzer dar. Damit dies übergreifend und nachvollziehbar gestaltet wird, ist ein transparentes Accounting/Audit zu implementieren, welches sämtliche Aktionen erfasst und den Nutzern zuordnet. Ebenso ist die Preisgestaltung transparent zu implementieren, da es sich bei den verwendeten Mitteln i.d.r. um Fördermittel für die Forschung handelt und eine sinnvolle Verwendung eben dieser Mittel 35 Bezogen auf die Person, zu der die medizinischen Daten gehören. 16

17 anzustreben ist. Dies setzt voraus, dass die Preise für alle potenziellen Nutzer verfügbar sind und durch den Langzeitarchivierungsverbund aktiv kommuniziert werden. Zur Einhaltung definierter Parameter bezüglich Verfügbarkeit, Datensicherheit usw. sind idealerweise Service Level Agreements als Vertragsbasis zwischen den Langzeitarchivierungsstandorten abzuschließen. 9 Finanzierungsmodelle Um eine nachhaltige Finanzierung der Langzeitarchivierung zu erzielen, wurden im Rahmen des ersten Expertenworkshops im Dezember 2008 folgende drei Varianten diskutiert: 1. Rentenmodell: in den Förderanträgen für wissenschaftliche Projekte werden Finanzmittel zur Langzeitarchivierung der Daten mit beantragt, die auch die bereits eingelagerten Daten mitfinanzieren. 2. Versicherungsmodell: die LZA-Anbieter aktualisieren jährliche Prämienzahlungen der LZA-Nutzer. Die LZA-Nutzer sind dementsprechend angehalten, in Ihrer Finanzplanung und bei der Beantragung von Drittmitteln die Kosten für die Prämien mit zu berücksichtigen. 3. Eine langfristige Finanzierung auf der Basis staatlicher Mittel ist aufgrund der Unsicherheiten zukünftiger Entwicklungen als das sinnvollste Modell anzusehen. Dies gilt besonders im Hinblick auf besonders erhaltenswerte Daten. In Kombination mit dem Versicherungsmodell lässt sich die Finanzierung der Langzeitarchivierung wissenschaftlicher Forschungsdaten über kürzere Zeiträume (z.b Jahre) hinweg zusätzlich absichern. Darüber hinaus ist eine weitere Selektion der Daten anzustreben, um eine Kostenexplosion zu vermeiden Zusammenfassung und Ausblick Den Abstimmungen im Rahmen der Angebotseinholung aus der Privatwirtschaft kann entnommen werden, dass die Industrie noch keine Serienprodukte für Langzeitarchivierung besitzt. Kleinere Lösungen mit geringen Speicherbedarfen werden bereits angeboten und mittels Service Level Agreements über Zeiträume bis 5 Jahre abgesichert. Langfristige Lösungen mit hohem Speicherbedarf sind nicht in der benötigten Form verfügbar. Zudem betrifft dies i.d.r. nur die Bit-stream Preservation und beinhaltet keine explizite Behandlung von Formatmigrationen. Metadaten werden von angebotenen Dokumenten-Management- Systemen zwar bereits unterstützt, jedoch fehlt diesen Systemen die Behandlung der Formatmigration. Um eine präzisere Abschätzung der Kosten zu erreichen, ist eine dedizierte Testumgebung empfehlenswert, in der die technischen und organisatorischen Komponenten berücksichtigt werden. Insbesondere die Abschätzung der Personalkosten wird damit erst soweit möglich, dass ein angemessener Präzisionsgrad erreicht werden kann. Darauf aufbauend kann anschließend eine Ausweitung des Langzeitarchivierungsangebots für die Wissenschaftsstandorte erfolgen. Für den nachhaltigen Betrieb sind übergreifende Kennzahlen sowie Verrechnungsmöglichkeiten zwischen den Langzeitarchivierungsstandorten unbedingt notwendig. 36 Siehe Abschnitt

18 11 Literaturverzeichnis Ashley K. Digital Archive Costs: Facts and Fallacies. Proceedings of the DLM-Forum on Electronic Records (DLM 99); 1999; Brussels. DLM-Forum. Ayris P, Davies R, McLeod R, Miao R, Shenton H, Wheatley P. The LIFE2 final project report. London, UK: LIFE Project, Beagrie N, Chruszcz J, Lavoie B. Keeping research data safe. London, UK: Joint Information Systems Committee (JISC), Björk B-C. Economic evaluation of LIFE methodology. London, UK: LIFE Project, Digital Preservation Testbed. Costs of Digital Preserving. Den Haag: Nationaal Archief, 2005, Abruf am: , Rosenthal DSH, Robertson TS, Lipkis T, Reich V, Morabito S. Requirements for Digital Preservation Systems: A Bottom-Up Approach. cs/